【摘 要】
：
As one of the most devastating tropical cyclones over the western North Pacific Ocean,Super Typhoon Lekima (2019) has caused a wide range of heavy rainfall in China.Based on the CMA Multi-source merged Precipitation Analysis System (CMPAS)-hourly data set
【机 构】
：
Key Laboratory of Meteorological Disaster (Ministry of Education),Nanjing University of Information
论文部分内容阅读
As one of the most devastating tropical cyclones over the western North Pacific Ocean,Super Typhoon Lekima (2019) has caused a wide range of heavy rainfall in China.Based on the CMA Multi-source merged Precipitation Analysis System (CMPAS)-hourly data set,both the temporal and spatial distribution of extreme rainfall is analyzed.It is found that the heavy rainfall associated with Lekima includes three main episodes with peaks at 3,14 and 24 h after landfall,respectively.The first two rainfall episodes are related to the symmetric outburst of the inner rainband and the persistence of outer rainband.The third rainfall episode is caused by the influence of cold,dry air from higher latitudes and the peripheral circulation of the warm moist tropical storm.The averaged rainrate of inner rainbands underwent an obvious outburst within 6 h after landfall.The asymmetric component of the inner rainbands experienced a transport from North (West)quadrant to East (South) quadrant after landfall which was related to the storm motion other than the Vertical Wind Shear (VWS).Meanwhile the outer rainband in the vicinity of three times of the Radius of Maximum Wind (RMW)was active over a 12-h period since the decay of the inner rainband.The asymmetric component of the outer rain-band experienced two significant cyclonical migrations in the northern semicircle.
其他文献
该文提出一种基于卷积神经网络直接对阵列超声检测原始信号进行缺陷类型识别的方法,该方法无需对超声回波原始信号进行特征提取.文章研究对比了不同卷积神经网络及其优化的识别性能.首先采用超声相控阵系统对不同试块上的平底孔、球底孔、通孔三种缺陷进行超声检测,然后利用LeNet5、VGG16和ResNet三种卷积神经网络对一维和二维数据分别进行缺陷识别,并使用Leaky ReLU、Dropout、Batch Normalization等来对网络进行优化,对比分析识别准确率和效率等.研究结果表明,虽然一维卷积在训练速度
研究基于轨道变换法的突变截面三维织物编织成型方法.给出基于轨道变换法的轨道拼接机理:连通处于织物截面形状内的轨道,同时堵死织物截面形状以外的轨道.根据轨道交叉点处变轨转盘的状态分析编织过程中增加或减少纱线的方法,总结变截面过程中轨道的交叉变换规律及纱线数量变化规律;需要改变三维编织物的横截面形状时,在锭子运动至变轨转盘区域前,变换目标截面形状边缘的变轨转盘状态,可实现轨道的交叉变换,此时纱线数量的变化量是参与编织的角轮数量的变化量的2倍.以矩形-圆形-矩形突变截面三维编织物为例,研究编织过程中轨道的拼接工
为了制备环保无氟的超疏水超亲油棉织物,先采用聚二甲基硅氧烷(polydimethylsiloxane,PDMS)对棉织物进行预处理,再喷涂纳米多孔聚二乙烯基苯(polydivinylbenzene,PDVB)分散液,得到PDVB/PDMS超疏水涂层棉织物,并对涂层织物的表面形态、接触角、化学组成及耐久性进行测试.结果表明:涂层棉织物具有优异的超疏水性,水接触角为(162±3)°,滚落角为(3±1)°;具有超亲油性,油滴可以瞬间透过织物;其还具有稳定的耐化学腐蚀性和良好的力学耐久性.因此,制备的涂层棉织物有
针对目前阻燃织物的制备工艺存在对实际应用条件考虑不足的问题,通过制备阻燃黏胶/腈氯纶服用织物,研究阻燃服用织物的性能与应用.选用2种不同混纺比(60/40、75/25)的阻燃黏胶/腈氯纶纱线分别进行并纱、浆纱、织造和退浆工艺,通过调控经密,变换平纹和方平2种不同的组织结构,制备不同规格的织物样品并进行退浆处理,对退浆后织物样品的阻燃、力学以及服用等性能进行测试表征.研究结果表明,2种混纺织物达到阻燃织物标准.其中,经密为280根/10 cm且组织结构为方平的阻燃黏胶/腈氯纶(混纺比为60/40)的织物:在
通过模拟不同的熔融加工条件,对高黏阻燃共聚酯(flame retardant co-polyesters,FRPET)在熔融加工过程中的热解行为进行研究.测试FRPET样品的特性黏度和端羧基含量的变化,表征其热解程度差异,并采用傅里叶变换红外光谱(Fourier transform infrared spectroscopy,FTIR)与核磁共振(nuclear magnetic resonace,NMR)技术对其热解前后的结构进行表征,剖析热解机理.结果表明:相同条件下,FRPET比高黏聚酯(polye
针对喷胶机器人时间-冲击等多目标优化的轨迹规划问题,提出基于时间-冲击最优的轨迹优化算法,优化喷胶机器人的运行时间和冲击(加加速度)两个效果相反的目标.采用4-5-6多项式插值曲线作为关节空间内的插值轨迹,确保机器人运动的连续性和平稳性;在关节角速度、角加速度和角加加速度的运动学约束下,利用多目标粒子群优化(multi-obj ective particle swarm optimization,MOPSO)算法,以喷胶机器人的运行时间和冲击为目标对其进行轨迹优化.仿真结果表明,采用MOPSO算法对4-5
为探究不同凝固浴对再生纤维素纤维结构与性能的影响,用高浓度氯化锌(ZnCl2)溶液溶解亚麻落麻纤维,选取甲醇、乙醇、乙二醇、丙三醇和异丙醇溶液作为凝固浴,通过湿法纺丝工艺制备再生纤维素纤维,并对ZnCl2在不同凝固浴中的溶解度,以及再生纤维素纤维的表观形貌、化学结构、热稳定性及拉伸性能进行测试.结果表明:ZnCl2在5种凝固浴中的溶解度由低到高依次为丙三醇、乙二醇、甲醇、异丙醇和乙醇;凝固浴种类对纤维的结构与性能有很大影响,使用ZnCl2溶解度较小的凝固浴制备的再生纤维素纤维具有更平滑、致密的形态和结构,
针对经编鞋面透气多孔导致伯努利吸盘无法稳定抓取的问题,将经编鞋面简化成多孔介质模型,建立了伯努利吸盘抓取经编鞋面稳态过程的数学模型;利用Fluent软件对伯努利吸盘抓取经编鞋面稳态过程进行了数值模拟分析,并对伯努利吸盘抓取经编鞋面稳态过程进行了试验研究.结果表明:吸附力与供气压力呈正比例关系、与吸盘和经编鞋面的间距呈指数函数关系;试验获得伯努利吸盘抓取经编鞋面稳态下的最优状态,即在经编鞋面重力一定条件下,当间距为0.8 mm、吸附力等于经编鞋面重力时,供气压力最优.
针对电动汽车的充电需求以及未知的实时电价,探讨完整的充电方案,提出一种电动汽车充电站能量管理在线算法,建立由风能、太阳能及电网供电的充电站充电成本优化问题.在电价、风能和太阳能发电量等系统信息已知的条件下,采用离线算法即遗传算法搜索成本最小化问题的全局最优解.由于遗传算法需要已知所有时隙的系统信息,但这些信息是随机分布的,因此提出仅依赖当前信息的在线算法,即基于K-means聚类算法的在线能量管理方案.仿真结果表明,提出的K-means在线算法获得的平均成本优于遗传离线算法,且K-means在线算法收敛速
为实现化纤长丝断头自动化巡检,提高企业生产效率,提出一套基于机器视觉的化纤长丝断头检测系统.检测系统通过工业相机采集长丝图像,并采用小波去噪和阈值分割算法进行图像增强处理;利用霍夫变换实现长丝主体与断头部分的形状分割;基于提取的多个形状特征,建立和训练径向基函数神经网络模型,实现对化纤长丝断头的检测和分类.选取150 tex/36 f规格的POY(pre-oriented yarn)长丝进行试验,结果显示该算法断头识别率超过95％,断头识别时间由人工检测的102 s数量级提升到10-1 s数量级.